4.3

4

18

Curso complementario para ingenieros geólogos y profesionales de ciencias de la tierra. Versión 2020. Actualmente no disponible.

PRIVADO

DESCRIPCIÓN GENERAL:

El curso de MACHINE LEARNING APLICADO A LA GEOLOGÍA: Implementación con Python, se centra en un subcampo específico de aprendizaje automático llamado modelado predictivo, y cómo este puede ser implementado en las distintas ramas de la Geología a través de ejemplos aplicativos. Es un curso mayormente práctico, sin embargo cada implementación matemática, será previamente explicada de forma teórica. La aplicación se realizará con el lenguaje de programación Python y a través de la IDE Jupyter Notebook. Entre los principales objetivos estan el: Aplicar técnicas de análisis y visualización de datos en un conjunto complejo de variables para problemas de Machine Learning aplicados a la geología, Aplicar técnicas de tratamiento de datos para mejorar la robustez y métrica de salida de los diferentes algoritmos de Machine Learning, Comprender los diferentes mecanismos y técnicas para aplicar analítica predictiva en problemas de Machine Learning e interpretar la salida obtenida por los modelos de predicción, Comprender y analizar la fase del análisis de datos previos al modelado algorítmico en Machine Learning, Desarrollar y analizar proyectos de Machine Learning aplicados a la geología como regresión, clasificación y multiclase, Ambientarse con librerías específicas de Machine Learning como scikit-learn y maximizar su utilidad en base a propósitos personales.


 

METODOLOGÍA Y DURACIÓN:

El curso es de carácter e-learning asincrónico con un total de 10 horas cronológicas. Esto refiere a un programa totalmente en linea, el cual no restringe al estudiante en horarios, si no que este ultimo es quien planifica sus tiempos y ritmo de avance. El curso siempre estará disponible las 24 horas del día, los 7 días de la semana, por el tiempo que dure la suscripción. El contenido se entrega a través de videos y documentación, en un entorno de aprendizaje en linea dedicado.


 

RELATOR:

Aldo David Carlos Villazana es Geólogo de la Universidad Nacional de Ingeniería (Perú), un profesional apasionado por la tecnología, con basto conocimiento en base de datos, Machine Learning y programación. Los últimos años se ha entrenado en Inteligencia Artificial, fundando su propia empresa de desarrollo de programas para la geología.


 

SOBRE EL CURSO:

No disponible desde 2024.

Course Currilcum

    • RECURSOS DEL CURSO 00:05:00
    • TEMA A: ¿QUÉ ES MACHINE LEARNING? 00:15:00
    • TEMA B: LENGUAJE DE PROGRAMACIÓN CON PYTHON 00:10:00
    • TEMA C: ECOSISTEMA DE PYTHON 00:44:00
    • TEMA D: GESTIÓN DE ENTORNOS VIRTUALES 00:06:00
    • TEMA E: JUPYTER NOTEBOOK 00:12:00
    • TEMA A: FUENTES DE DATOS 00:12:00
    • TEMA B: CARGAR UN DATASET 00:12:00
    • TEMA C: ESTADÍSTICA DESCRIPTIVA 00:23:00
    • TEMA D: VISUALIZACIÓN DE DATOS 00:14:00
    • TEMA A: ANÁLISIS EXPLORATORIO DE DATOS 00:18:00
    • TEMA B: PREPROCESAMIENTO DE DATOS 00:16:00
    • TEMA C: MÉTODOS DE TRANSFORMACIÓN DE DATOS 00:26:00
    • TEMA D: MÉTODOS DE REMUESTREO 00:22:00
    • TEMA A: EVALUACIÓN DE MÉTRICAS 00:32:00
    • TEMA B: FEATURE SELECTION 00:51:00
    • TEMA C: FEATURE IMPORTANCE 00:16:00
    • TEMA D: REDUCCIÓN DE DIMENSIONES 00:13:00
    • TEMA A: ALGORITMOS DE MACHINE LEARNING 00:20:00
    • TEMA B: RENDIMIENTO DE ALGORITMOS 00:23:00
    • TEMA C: ALGORITMOS ENSAMBLADOS 00:23:00
    • TEMA A: PIPELINES 00:12:00
    • TEMA B: PREPROCESAMIENTO AVANZADO 00:22:00
    • TEMA C: FASE DE OPTIMIZACIÓN 00:15:00
    • TEMA D: FASE DE FORECASTING 00:15:00
    • Cuestionario MLG 00:30:00

Course Reviews

4.3

4.3
4 ratings
  • 5 estrellas2
  • 4 estrellas1
  • 3 estrellas1
  • 2 estrellas0
  • 1 estrellas0
  1. José González
    5

    Muy buen curso, ejemplifica muy bien las etapas asociadas a la aplicación de algoritmos de ML.

  2. Pablo Becerra Soteloagosto 10, 2021 en 6:20 pm
    Muy Buen Curso
    5

    El curso brinda las herramientas y contenidos necesarios que se deben tener para montar modelos de ML. A modo de sugerencia, podrían incluirse más ejemplos con data geológica y sus implicancias (modelos cuyos algoritmos sean diseñados y supervisados bajo criterio geológico)

  3. Curso MLG
    3

    En el curso faltaron ejercicios propuestos para practicar Machine Learning. Saludos.

  4. Osciel Morales Madariaganoviembre 5, 2020 en 9:01 am
    Excelente
    4

    El curso es muy bueno con la información entregado con respeto a entender el Machine Learning y sus utilidades. Aunque hubiese sido útil haber desarrollado un proyecto aplicado a la geología. Pero el material resulta bastante útil y pedagógico

top
Nube Minera © 2024